| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第10-16页 |
| 1.1 论文研究的背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 当前图像检索方法中存在的问题 | 第13-14页 |
| 1.4 论文的主要研究内容和组织结构 | 第14-16页 |
| 1.4.1 论文主要研究内容 | 第14-15页 |
| 1.4.2 论文的组织结构 | 第15-16页 |
| 2 基于内容的图像检索的关键技术 | 第16-33页 |
| 2.1 图像检索系统框架 | 第16-17页 |
| 2.2 颜色空间 | 第17-20页 |
| 2.3 图像特征提取与描述 | 第20-26页 |
| 2.3.1 颜色特征 | 第21-23页 |
| 2.3.2 纹理特征 | 第23-24页 |
| 2.3.3 形状特征 | 第24-26页 |
| 2.3.4 空间关系特征 | 第26页 |
| 2.4 图像特征的相似性度量 | 第26-28页 |
| 2.5 图像检索性能评价标准 | 第28-29页 |
| 2.5.1 精确度和检索率 | 第28页 |
| 2.5.2 ANMRR | 第28-29页 |
| 2.5.3 前N个结果的正确率与检索率 | 第29页 |
| 2.6 相关反馈 | 第29-30页 |
| 2.7 基于多特征图像检索分类 | 第30-33页 |
| 2.7.1 多特征检索方法 | 第30-31页 |
| 2.7.2 特征归一化 | 第31-33页 |
| 3 基于颜色和纹理特征的图像检索 | 第33-49页 |
| 3.1 基于方块编码提取颜色特征 | 第33-35页 |
| 3.1.1 方块编码 | 第33页 |
| 3.1.2 BTC颜色特征提取 | 第33-35页 |
| 3.2 图像纹理特征的提取 | 第35-38页 |
| 3.2.1 灰度共生矩阵 | 第35-36页 |
| 3.2.2 邻域统计矩共生矩阵 | 第36-37页 |
| 3.2.3 纹理特征的提取 | 第37-38页 |
| 3.3 综合颜色和纹理特征的图像检索 | 第38-39页 |
| 3.3.1 综合颜色和纹理特征 | 第38-39页 |
| 3.3.2 相似性度量 | 第39页 |
| 3.4 实验结果与分析 | 第39-48页 |
| 3.4.1 基于颜色特征的图像检索结果与分析 | 第40-41页 |
| 3.4.2 基于纹理特征的图像检索结果与分析 | 第41-45页 |
| 3.4.3 加权融合颜色和纹理特征的实验结果与分析 | 第45-48页 |
| 3.5 本章小结 | 第48-49页 |
| 4 基于遗传算法的多特征图像检索技术 | 第49-58页 |
| 4.1 颜色和纹理特征的提取 | 第49-52页 |
| 4.1.1 颜色特征的提取 | 第50-51页 |
| 4.1.2 纹理特征的提取 | 第51-52页 |
| 4.2 特征权重的优化调整 | 第52-53页 |
| 4.2.1 特征权重的分析 | 第52-53页 |
| 4.2.2 特征权重问题的转化 | 第53页 |
| 4.3 基于遗传算法求取特征权重值的最优解 | 第53-55页 |
| 4.3.1 遗传算法 | 第53-54页 |
| 4.3.2 算法步骤 | 第54-55页 |
| 4.4 实验结果与分析 | 第55-58页 |
| 5 总结与展望 | 第58-60页 |
| 5.1 总结 | 第58页 |
| 5.2 展望 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 作者简历 | 第66-67页 |
| 学位论文数据集 | 第67页 |